Artificial intelligence 线性遗传规划常数

与最初将常数植入个体并通过遗传算子使其突变相比，在记忆寄存器中明确定义常数有哪些优点和缺点

具体来说，从我的一本关于线性遗传规划的书中读到：

在我们的实现中，所有寄存器都持有浮点值。内部,， 常量存储在写保护的寄存器中，即可能不会变为 目的地寄存器。因此，一组可能的常数 保持不变

我想知道的是，这是一种比简单地随机生成常量并将其集成到程序中，然后通过训练过程对其进行改进更好的方法吗

---

感谢您使用术语记忆寄存器，我假设您指的是一种增强记忆的基因编程技术

即使使用内存寄存器，使用常量也是不正常的。相反，像这样的技术可以让你慢慢地改变你的记忆寄存器，而不是做出突然的改变，使记忆变得无关紧要。尽管如此，在随机初始化时引入这些值还是很常见的，这样您就可以进行随机重新启动，以试图避开局部最优值

也许您正在考虑将所有内存寄存器设置为零或某些人类估计值

编辑：

听起来他们有一些价值观，他们希望不经修改地将其代代相传。就个人而言，如果GA所处的环境在所有实例中都是共享的，那么这种价值会更好地体现在GA所处的环境中

如果它们没有在实例之间共享，那么这可能反映了在设置中使用一些不允许演化的随机值（至少在给定运行期间不允许）来播种种群的意图

如果您需要在复杂的背景下进化，并且在尝试更好地适应更复杂的可变环境之前，您想先适应固定的环境，那么第一种类型的常量（环境常量）可能非常有用

---

第二种常数（每个DNA实例）不是我用过的，但我想如果分析员发现了一些“不稳定”的变量，这些变量太混乱，不允许持续进化，那么“保护”可能会有用它们作为一次运行的常量。

从您使用的术语记忆寄存器来看，我假设您指的是一种增强记忆的基因编程技术

即使使用内存寄存器，使用常量也是不正常的。相反，像这样的技术可以让你慢慢地改变你的记忆寄存器，而不是做出突然的改变，使记忆变得无关紧要。尽管如此，在随机初始化时引入这些值还是很常见的，这样您就可以进行随机重新启动，以试图避开局部最优值

也许您正在考虑将所有内存寄存器设置为零或某些人类估计值

编辑：

听起来他们有一些价值观，他们希望不经修改地将其代代相传。就个人而言，如果GA所处的环境在所有实例中都是共享的，那么这种价值会更好地体现在GA所处的环境中

如果它们没有在实例之间共享，那么这可能反映了在设置中使用一些不允许演化的随机值（至少在给定运行期间不允许）来播种种群的意图

如果您需要在复杂的背景下进化，并且在尝试更好地适应更复杂的可变环境之前，您想先适应固定的环境，那么第一种类型的常量（环境常量）可能非常有用

---

第二种常量（每个DNA实例）不是我使用过的，但我想如果分析员已经确定了一些“易失性”变量，这些变量太混乱，不允许持续进化，那么将它们作为常量进行“保护”可能会很有用。

Godeke，我将编辑我的问题-也许这会让问题更清楚一些。Godeke，我将编辑我的问题-也许它会使我的问题更清楚一些。